非英语语言中的推理成本：以日语为例的案例研究

推理语言模型在英语环境下表现最佳，但用户常需母语推理以提升可解释性与安全性。本文研究了训练日语推理模型的可行性，基于持续预训练的 Qwen-3-Swallow-8B 模型，利用 GRPO 算法开发日语推理变体，并在代码、数学及科学基准上进行评估。结果表明，虽可实现日语推理控制，但其性能仅与强力英语基线持平，且在日语文化相关任务中表现不如基线，表明切换推理语言并不能直接提升文化特定任务的性能。